تشخیص جنسیت از تصویر، انتقال یادگیری، ماشین بردار پشتیبان

۷۹۷۱۴

ارائه یک روش جدید مبتنی بر شبکه عصبی برای تشخیص فنولوژی گیاه گندم با استفاده از داده های سنتینل ۲

خلاصه مقاله: در این مقاله قابلیت امکان تشخیص مراحل اصلی رشد گیاه گندم با استفاده از داده های سنتیل ۲ در مناطق دزفول ، شهید کریمی و عجیرب بررسی شده است. در این تحقیق از نحوه تغییر شاخص نرمال شده تفاوت پوشش گیاهی(NDVI) در زمان رخداد فاز های اصلی گیاه برای تشخیص مرحله رشد استفاده شده است.با توجه به برچسب های منتسب به هر فاز، در این پژوهش ، پنج فاز شامل سبز شدن، پنجه زنی ، آبستنی، توسعه دانه و رسیدگی در نظر گرفته شده است. در ابتدا با توجه به موجود نبودن این شاخص برای برخی زمینها در زمانهای ابری، درونیابی انجام شده است. سپس جهت از بین بردن تغییرات شدید نامطلوب که می تواند عملیات تشخیص را کمی دچار مشکل کند هموارسازی سیگنال انجام میشود. در ادامه با استفاده از یادگیری ماشین، زمان های وقوع فازهای اصلی رشد گیاه با توجه به نمودار هموار شده تخمین زده می شود. جهت ارزیابی روش از معیار ریشه میانگین مربعات خطا (RMSE) به ازا هر فاز استفاده شده است. با توجه به مشاهدات انجام شده مقدار این خطا برای فازهای اول ، دوم، سوم، چهارم و پنجم به ترتیب ۲۴/۳، ۸۲/۲، ۱/۳، ۶۵/۲ و ۱/۳ روز است.

ادامه مطلب

۳۴۵۶۰

تشخیص جنسیت با توجه به تصویر چهره با استفاده از شبکه FaceNet

چکیده سیستم هایی که به طور خودکار با استفاده از تصاویر چهره جنسیت را مشخص میکنند، به سرعت در حال رشد هستند. از کاربردهای تشخیص جنسیت از چهره میتوان به نظارت تصویری، کنترل دسترسی و تعامل انسان و رایانه اشاره کرد. در سال‌های اخیر، تلاش‌های متعددی برای حل این مساله صورت گرفته است. در این مقاله در ابتدا با استفاده از روش ویلاجونز چهره فرد از تصویر استخراج میشود. سپس از یک شبکه از پیش آموزش داده شده تحت عنوان FaceNet برای استخراج ویژگی از چهره استفاده میشود. در ادامه با استفاده از یک دسته بند از ویژگی استخراج شده برای تشخیص جنسیت فرد استفاده شده است. در این مقاله از دو پایگاه داده UTKFaceو GENDER-FERET جهت ارزیابی مدل پیشنهادی استفاده شده است. مشاهده شده استفاده بردار های استخراج شده و دسته بند SVM در پایگاه های داده UTKFace,GENDER-FERET به ترتیب با دقت ۶۴/۹۷% و ۳/۹۸% قادر به تشخیص درست جنسیت میباشد. واژه های کلیدی تشخیص جنسیت از تصویر، انتقال یادگیری، ماشین بردار پشتیبان.

ادامه مطلب